目前，钢铁工业在不断发展，降本增效已成为钢铁企业发展的主流。随着世界铁矿石资源的不断变化，相应地会对铁矿石的种类、配比不断做出调整。当烧结用到多种含铁原料时，以什么样的配矿方案进行设计使烧结矿性能最好，成本最优，对于钢铁工业的降本增效具有重要的意义。本论文针对铁矿石烧结配矿的特点，提出两种获得合适配矿方案的方法，并提出了由铁矿石性能数据库、计算配矿模型、BP网络模型、烧结矿质量预报模型以及寻优配矿模型组成的系统总体结构。应用数据库技术建立由原料基础性能和原料烧结性能组成的铁矿石性能数据库。建立了BP神经网络模型，并研究了BP学习算法，针对BP算法存在学习效率低，收敛速度慢等问题，提出了改进的BP算法——Vogl快速算法。应用神经网络技术建立了烧结矿质量预报模型，模型预报命中率达到83.3％以上，该预报模型具有良好的泛化能力和自适应能力。应用遗传优化技术建立了烧结寻优配矿模型，在保证烧结矿质量指标和铁矿石供应量的条件下获得优化的配矿方案，具有较好的优化效果。建立了烧结计算配矿模型，实现了混匀配矿计算和烧结配料计算，在保证混匀矿物理化学性能和烧结矿化学性能以及它们的经济指标的条件下，得到合适的配矿方案和配料方案。采用Visual C＋＋6.0与Matlab混合编程的方式，开发了烧结优化配矿模型的软件，软件实用性强，界面友好，操作方便，具有强大的存储、计算、预报和优化等功能。